摘要：
pandas处理多组数据的时候往往会要用到数据的合并处理,使用 concat是一种基本的合并方式.而且concat中有很多参数可以调整,合并成你想要的数据形式. 1、axis(合并方向)：axis=0是预设值，因此未设定任何参数时，函数默认axis=0。 仔细观察会发现结果的index是0, 1, 阅读全文
摘要：
pandas可以读取与存取的资料格式有很多种，像csv、excel、json、html与pickle等… 1、读取csv 2、将资料存取为pickle 阅读全文
摘要：
1、创建含NaN的矩阵 2、pd.dropna():直接去掉有NaN的行或列 3、pd.fillna():将NaN的值用其他值代替，比如代替成0： 4、pd.isnull():判断是否有缺失数据NaN,为True表示缺失数据 >>> np.any(df.isnull()) == True#检测在数据 阅读全文
摘要：
1、创建数据 2、根据位置设置loc和iloc 我们可以利用索引或者标签确定需要修改值的位置。 3、根据条件设置 如果现在的判断条件是这样, 我们想要更改B中的数, 而更改的位置是取决于 A 的. 对于A大于4的位置. 更改B在相应位置上的数为0. 4、按行或列设置 如果对整列做批处理, 加上一列 阅读全文
摘要：
1、简单筛选 2、根据标签loc筛选 通过标签名字选择某一行数据， 或者通过选择某行或者所有行（:代表所有行）然后选其中某一列或几列数据 3、根据序列iloc 通过位置选择在不同情况下所需要的数据例如选某一个，连续选或者跨行选等操作。 4、混合loc、iloc两种的ix 5、通过判断的筛选 即可以采 阅读全文
摘要：
1、pandas主要的两个数据结构：Series和DataFrame Series的字符串表现形式为：索引在左边，值在右边。由于我们没有为数据指定索引。于是会自动创建一个0到N-1（N为长度）的整数型索引。 DataFrame是一个表格型的数据结构，它包含有一组有序的列，每列可以是不同的值类型（数值 阅读全文
摘要：
1、 '='的赋值方式会带有关联性 2、copy()的赋值方式没有关联性 阅读全文
摘要：
1、纵向分割 2、横向分割 3、不等量分割 4、其他分割方式 阅读全文
摘要：
1、np.vstack() ：垂直合并 2、np.hstack()：水平合并 3、np.newaxis():转置 4、np.concatenate():针对多个矩阵或序列的合并操作 阅读全文
摘要：
1、一维索引 2、二维索引 3、迭代输出 flatten是一个展开性质的函数，将多维的矩阵进行展开成1行的数列。而flat是一个迭代器，本身是一个object属性。 阅读全文
摘要：
numpy的几种运算 1、一维矩阵运算 2、多行多维矩阵运算 3、sum()、min()、max()的使用 4、对应元素的索引 5、nonzero()函数 这个函数将所有非零元素的行与列坐标分割开，重构成两个分别关于行和列的矩阵。 6、clip()函数 这个函数的格式是clip(Array,Arra 阅读全文
摘要：
1、几种常见numpy的属性 ndim:维度 shape:行数和列数 size:元素个数 2、Numpy创建array 2.1 关键字 array:创建数组 dtype:制定数据类型 zeros:创建数据全为0 ones:创建数据全为1 empty:创建数据接近0 arrange:按指定范围创建数据 阅读全文